src/librand/lib.rs

   1 // Copyright 2013-2014 The Rust Project Developers. See the COPYRIGHT
   2 // file at the top-level directory of this distribution and at
   3 // http://rust-lang.org/COPYRIGHT.
   4 //
   5 // Licensed under the Apache License, Version 2.0 <LICENSE-APACHE or
   6 // http://www.apache.org/licenses/LICENSE-2.0> or the MIT license
   7 // <LICENSE-MIT or http://opensource.org/licenses/MIT>, at your
   8 // option. This file may not be copied, modified, or distributed
   9 // except according to those terms.
  10
  11 //! Interface to random number generators in Rust.
  12 //!
  13 //! This is an experimental library which lives underneath the standard library
  14 //! in its dependency chain. This library is intended to define the interface
  15 //! for random number generation and also provide utilities around doing so. It
  16 //! is not recommended to use this library directly, but rather the official
  17 //! interface through `std::rand`.
  18
  19 #![crate_name = "rand"]
  20 #![crate_type = "rlib"]
  21 #![doc(html_logo_url = "https://www.rust-lang.org/logos/rust-logo-128x128-blk.png",
  22        html_favicon_url = "https://doc.rust-lang.org/favicon.ico",
  23        html_root_url = "https://doc.rust-lang.org/nightly/",
  24        html_playground_url = "https://play.rust-lang.org/",
  25        test(attr(deny(warnings))))]
  26 #![cfg_attr(not(stage0), deny(warnings))]
  27 #![no_std]
  28 #![unstable(feature = "rand",
  29             reason = "use `rand` from crates.io",
  30             issue = "27703")]
  31 #![feature(core_float)]
  32 #![feature(core_intrinsics)]
  33 #![feature(num_bits_bytes)]
  34 #![feature(staged_api)]
  35 #![feature(step_by)]
  36 #![feature(custom_attribute)]
  37 #![allow(unused_attributes)]
  38
  39 #![cfg_attr(test, feature(test, rand, rustc_private))]
  40
  41 #![allow(deprecated)]
  42
  43 #[cfg(test)]
  44 #[macro_use]
  45 extern crate std;
  46 #[cfg(test)]
  47 #[macro_use]
  48 extern crate log;
  49
  50 use core::f64;
  51 use core::intrinsics;
  52 use core::marker::PhantomData;
  53
  54 pub use isaac::{IsaacRng, Isaac64Rng};
  55 pub use chacha::ChaChaRng;
  56
  57 use distributions::{Range, IndependentSample};
  58 use distributions::range::SampleRange;
  59
  60 #[cfg(test)]
  61 const RAND_BENCH_N: u64 = 100;
  62
  63 pub mod distributions;
  64 pub mod isaac;
  65 pub mod chacha;
  66 pub mod reseeding;
  67 mod rand_impls;
  68
  69 // Temporary trait to implement a few floating-point routines
  70 // needed by librand; this is necessary because librand doesn't
  71 // depend on libstd.  This will go away when librand is integrated
  72 // into libstd.
  73 trait FloatMath : Sized {
  74     fn exp(self) -> Self;
  75     fn ln(self) -> Self;
  76     fn sqrt(self) -> Self;
  77     fn powf(self, n: Self) -> Self;
  78 }
  79
  80 impl FloatMath for f64 {
  81     #[inline]
  82     fn exp(self) -> f64 {
  83         unsafe { intrinsics::expf64(self) }
  84     }
  85
  86     #[inline]
  87     fn ln(self) -> f64 {
  88         unsafe { intrinsics::logf64(self) }
  89     }
  90
  91     #[inline]
  92     fn powf(self, n: f64) -> f64 {
  93         unsafe { intrinsics::powf64(self, n) }
  94     }
  95
  96     #[inline]
  97     fn sqrt(self) -> f64 {
  98         if self < 0.0 {
  99             f64::NAN
 100         } else {
 101             unsafe { intrinsics::sqrtf64(self) }
 102         }
 103     }
 104 }
 105
 106 /// A type that can be randomly generated using an `Rng`.
 107 #[doc(hidden)]
 108 pub trait Rand : Sized {
 109     /// Generates a random instance of this type using the specified source of
 110     /// randomness.
 111     fn rand<R: Rng>(rng: &mut R) -> Self;
 112 }
 113
 114 /// A random number generator.
 115 pub trait Rng : Sized {
 116     /// Return the next random u32.
 117     ///
 118     /// This rarely needs to be called directly, prefer `r.gen()` to
 119     /// `r.next_u32()`.
 120     // FIXME #7771: Should be implemented in terms of next_u64
 121     fn next_u32(&mut self) -> u32;
 122
 123     /// Return the next random u64.
 124     ///
 125     /// By default this is implemented in terms of `next_u32`. An
 126     /// implementation of this trait must provide at least one of
 127     /// these two methods. Similarly to `next_u32`, this rarely needs
 128     /// to be called directly, prefer `r.gen()` to `r.next_u64()`.
 129     fn next_u64(&mut self) -> u64 {
 130         ((self.next_u32() as u64) << 32) | (self.next_u32() as u64)
 131     }
 132
 133     /// Return the next random f32 selected from the half-open
 134     /// interval `[0, 1)`.
 135     ///
 136     /// By default this is implemented in terms of `next_u32`, but a
 137     /// random number generator which can generate numbers satisfying
 138     /// the requirements directly can overload this for performance.
 139     /// It is required that the return value lies in `[0, 1)`.
 140     ///
 141     /// See `Closed01` for the closed interval `[0,1]`, and
 142     /// `Open01` for the open interval `(0,1)`.
 143     fn next_f32(&mut self) -> f32 {
 144         const MANTISSA_BITS: usize = 24;
 145         const IGNORED_BITS: usize = 8;
 146         const SCALE: f32 = (1u64 << MANTISSA_BITS) as f32;
 147
 148         // using any more than `MANTISSA_BITS` bits will
 149         // cause (e.g.) 0xffff_ffff to correspond to 1
 150         // exactly, so we need to drop some (8 for f32, 11
 151         // for f64) to guarantee the open end.
 152         (self.next_u32() >> IGNORED_BITS) as f32 / SCALE
 153     }
 154
 155     /// Return the next random f64 selected from the half-open
 156     /// interval `[0, 1)`.
 157     ///
 158     /// By default this is implemented in terms of `next_u64`, but a
 159     /// random number generator which can generate numbers satisfying
 160     /// the requirements directly can overload this for performance.
 161     /// It is required that the return value lies in `[0, 1)`.
 162     ///
 163     /// See `Closed01` for the closed interval `[0,1]`, and
 164     /// `Open01` for the open interval `(0,1)`.
 165     fn next_f64(&mut self) -> f64 {
 166         const MANTISSA_BITS: usize = 53;
 167         const IGNORED_BITS: usize = 11;
 168         const SCALE: f64 = (1u64 << MANTISSA_BITS) as f64;
 169
 170         (self.next_u64() >> IGNORED_BITS) as f64 / SCALE
 171     }
 172
 173     /// Fill `dest` with random data.
 174     ///
 175     /// This has a default implementation in terms of `next_u64` and
 176     /// `next_u32`, but should be overridden by implementations that
 177     /// offer a more efficient solution than just calling those
 178     /// methods repeatedly.
 179     ///
 180     /// This method does *not* have a requirement to bear any fixed
 181     /// relationship to the other methods, for example, it does *not*
 182     /// have to result in the same output as progressively filling
 183     /// `dest` with `self.gen::<u8>()`, and any such behaviour should
 184     /// not be relied upon.
 185     ///
 186     /// This method should guarantee that `dest` is entirely filled
 187     /// with new data, and may panic if this is impossible
 188     /// (e.g. reading past the end of a file that is being used as the
 189     /// source of randomness).
 190     fn fill_bytes(&mut self, dest: &mut [u8]) {
 191         // this could, in theory, be done by transmuting dest to a
 192         // [u64], but this is (1) likely to be undefined behaviour for
 193         // LLVM, (2) has to be very careful about alignment concerns,
 194         // (3) adds more `unsafe` that needs to be checked, (4)
 195         // probably doesn't give much performance gain if
 196         // optimisations are on.
 197         let mut count = 0;
 198         let mut num = 0;
 199         for byte in dest {
 200             if count == 0 {
 201                 // we could micro-optimise here by generating a u32 if
 202                 // we only need a few more bytes to fill the vector
 203                 // (i.e. at most 4).
 204                 num = self.next_u64();
 205                 count = 8;
 206             }
 207
 208             *byte = (num & 0xff) as u8;
 209             num >>= 8;
 210             count -= 1;
 211         }
 212     }
 213
 214     /// Return a random value of a `Rand` type.
 215     #[inline(always)]
 216     fn gen<T: Rand>(&mut self) -> T {
 217         Rand::rand(self)
 218     }
 219
 220     /// Return an iterator that will yield an infinite number of randomly
 221     /// generated items.
 222     fn gen_iter<'a, T: Rand>(&'a mut self) -> Generator<'a, T, Self> {
 223         Generator {
 224             rng: self,
 225             _marker: PhantomData,
 226         }
 227     }
 228
 229     /// Generate a random value in the range [`low`, `high`).
 230     ///
 231     /// This is a convenience wrapper around
 232     /// `distributions::Range`. If this function will be called
 233     /// repeatedly with the same arguments, one should use `Range`, as
 234     /// that will amortize the computations that allow for perfect
 235     /// uniformity, as they only happen on initialization.
 236     ///
 237     /// # Panics
 238     ///
 239     /// Panics if `low >= high`.
 240     fn gen_range<T: PartialOrd + SampleRange>(&mut self, low: T, high: T) -> T {
 241         assert!(low < high, "Rng.gen_range called with low >= high");
 242         Range::new(low, high).ind_sample(self)
 243     }
 244
 245     /// Return a bool with a 1 in n chance of true
 246     fn gen_weighted_bool(&mut self, n: usize) -> bool {
 247         n <= 1 || self.gen_range(0, n) == 0
 248     }
 249
 250     /// Return an iterator of random characters from the set A-Z,a-z,0-9.
 251     fn gen_ascii_chars<'a>(&'a mut self) -> AsciiGenerator<'a, Self> {
 252         AsciiGenerator { rng: self }
 253     }
 254
 255     /// Return a random element from `values`.
 256     ///
 257     /// Return `None` if `values` is empty.
 258     fn choose<'a, T>(&mut self, values: &'a [T]) -> Option<&'a T> {
 259         if values.is_empty() {
 260             None
 261         } else {
 262             Some(&values[self.gen_range(0, values.len())])
 263         }
 264     }
 265
 266     /// Shuffle a mutable slice in place.
 267     fn shuffle<T>(&mut self, values: &mut [T]) {
 268         let mut i = values.len();
 269         while i >= 2 {
 270             // invariant: elements with index >= i have been locked in place.
 271             i -= 1;
 272             // lock element i in place.
 273             values.swap(i, self.gen_range(0, i + 1));
 274         }
 275     }
 276 }
 277
 278 /// Iterator which will generate a stream of random items.
 279 ///
 280 /// This iterator is created via the `gen_iter` method on `Rng`.
 281 pub struct Generator<'a, T, R: 'a> {
 282     rng: &'a mut R,
 283     _marker: PhantomData<T>,
 284 }
 285
 286 impl<'a, T: Rand, R: Rng> Iterator for Generator<'a, T, R> {
 287     type Item = T;
 288
 289     fn next(&mut self) -> Option<T> {
 290         Some(self.rng.gen())
 291     }
 292 }
 293
 294 /// Iterator which will continuously generate random ascii characters.
 295 ///
 296 /// This iterator is created via the `gen_ascii_chars` method on `Rng`.
 297 pub struct AsciiGenerator<'a, R: 'a> {
 298     rng: &'a mut R,
 299 }
 300
 301 impl<'a, R: Rng> Iterator for AsciiGenerator<'a, R> {
 302     type Item = char;
 303
 304     fn next(&mut self) -> Option<char> {
 305         const GEN_ASCII_STR_CHARSET: &'static [u8] = b"ABCDEFGHIJKLMNOPQRSTUVWXYZ\
 306                                                        abcdefghijklmnopqrstuvwxyz\
 307                                                        0123456789";
 308         Some(*self.rng.choose(GEN_ASCII_STR_CHARSET).unwrap() as char)
 309     }
 310 }
 311
 312 /// A random number generator that can be explicitly seeded to produce
 313 /// the same stream of randomness multiple times.
 314 pub trait SeedableRng<Seed>: Rng {
 315     /// Reseed an RNG with the given seed.
 316     fn reseed(&mut self, Seed);
 317
 318     /// Create a new RNG with the given seed.
 319     fn from_seed(seed: Seed) -> Self;
 320 }
 321
 322 /// An Xorshift[1] random number
 323 /// generator.
 324 ///
 325 /// The Xorshift algorithm is not suitable for cryptographic purposes
 326 /// but is very fast. If you do not know for sure that it fits your
 327 /// requirements, use a more secure one such as `IsaacRng` or `OsRng`.
 328 ///
 329 /// [1]: Marsaglia, George (July 2003). ["Xorshift
 330 /// RNGs"](http://www.jstatsoft.org/v08/i14/paper). *Journal of
 331 /// Statistical Software*. Vol. 8 (Issue 14).
 332 #[derive(Clone)]
 333 pub struct XorShiftRng {
 334     x: u32,
 335     y: u32,
 336     z: u32,
 337     w: u32,
 338 }
 339
 340 impl XorShiftRng {
 341     /// Creates a new XorShiftRng instance which is not seeded.
 342     ///
 343     /// The initial values of this RNG are constants, so all generators created
 344     /// by this function will yield the same stream of random numbers. It is
 345     /// highly recommended that this is created through `SeedableRng` instead of
 346     /// this function
 347     pub fn new_unseeded() -> XorShiftRng {
 348         XorShiftRng {
 349             x: 0x193a6754,
 350             y: 0xa8a7d469,
 351             z: 0x97830e05,
 352             w: 0x113ba7bb,
 353         }
 354     }
 355 }
 356
 357 impl Rng for XorShiftRng {
 358     #[inline]
 359     fn next_u32(&mut self) -> u32 {
 360         let x = self.x;
 361         let t = x ^ (x << 11);
 362         self.x = self.y;
 363         self.y = self.z;
 364         self.z = self.w;
 365         let w = self.w;
 366         self.w = w ^ (w >> 19) ^ (t ^ (t >> 8));
 367         self.w
 368     }
 369 }
 370
 371 impl SeedableRng<[u32; 4]> for XorShiftRng {
 372     /// Reseed an XorShiftRng. This will panic if `seed` is entirely 0.
 373     fn reseed(&mut self, seed: [u32; 4]) {
 374         assert!(!seed.iter().all(|&x| x == 0),
 375                 "XorShiftRng.reseed called with an all zero seed.");
 376
 377         self.x = seed[0];
 378         self.y = seed[1];
 379         self.z = seed[2];
 380         self.w = seed[3];
 381     }
 382
 383     /// Create a new XorShiftRng. This will panic if `seed` is entirely 0.
 384     fn from_seed(seed: [u32; 4]) -> XorShiftRng {
 385         assert!(!seed.iter().all(|&x| x == 0),
 386                 "XorShiftRng::from_seed called with an all zero seed.");
 387
 388         XorShiftRng {
 389             x: seed[0],
 390             y: seed[1],
 391             z: seed[2],
 392             w: seed[3],
 393         }
 394     }
 395 }
 396
 397 impl Rand for XorShiftRng {
 398     fn rand<R: Rng>(rng: &mut R) -> XorShiftRng {
 399         let mut tuple: (u32, u32, u32, u32) = rng.gen();
 400         while tuple == (0, 0, 0, 0) {
 401             tuple = rng.gen();
 402         }
 403         let (x, y, z, w) = tuple;
 404         XorShiftRng {
 405             x: x,
 406             y: y,
 407             z: z,
 408             w: w,
 409         }
 410     }
 411 }
 412
 413 /// A wrapper for generating floating point numbers uniformly in the
 414 /// open interval `(0,1)` (not including either endpoint).
 415 ///
 416 /// Use `Closed01` for the closed interval `[0,1]`, and the default
 417 /// `Rand` implementation for `f32` and `f64` for the half-open
 418 /// `[0,1)`.
 419 pub struct Open01<F>(pub F);
 420
 421 /// A wrapper for generating floating point numbers uniformly in the
 422 /// closed interval `[0,1]` (including both endpoints).
 423 ///
 424 /// Use `Open01` for the closed interval `(0,1)`, and the default
 425 /// `Rand` implementation of `f32` and `f64` for the half-open
 426 /// `[0,1)`.
 427 pub struct Closed01<F>(pub F);
 428
 429 #[cfg(test)]
 430 mod test {
 431     use std::__rand as rand;
 432
 433     pub struct MyRng<R> {
 434         inner: R,
 435     }
 436
 437     impl<R: rand::Rng> ::Rng for MyRng<R> {
 438         fn next_u32(&mut self) -> u32 {
 439             rand::Rng::next_u32(&mut self.inner)
 440         }
 441     }
 442
 443     pub fn rng() -> MyRng<rand::ThreadRng> {
 444         MyRng { inner: rand::thread_rng() }
 445     }
 446
 447     pub fn weak_rng() -> MyRng<rand::ThreadRng> {
 448         MyRng { inner: rand::thread_rng() }
 449     }
 450 }